基于慎思/反应混合控制架构的气垫式越野机器人软地面自主导航研究

This project works on robot autonomous navigation on soft terrain. It contains the following scentific problems: (1) how to design a mechanism configuration to improve trafficability; (2) how to select, identify and utilize environment information; and (3) how to coordinate and realize multiple operation requirements. Correspondingly, this project proposes an air-cushion-typed off-road robot (ACORR) scheme and establishes a hybrid deliberate/reactive control architecture for the specific application, by mimicking the structure and working manner of central nervous system of human beings. The novelties of the hybrid control architecture embody in its contents and working manners. (1) In terms of contents, the connotation and denotation of this conception are extended by reflecting the ACORR's structure and function features and covering soft terrain environment identification. To be concrete, the deliberate-control subsystem consists of the modules of multi-step inverse calculation based soil parameter identification, multi-dimensional information fusion based soil classification, and the Bees Algorithm based multi-objective global optimization of robot operating parameters; the reactive-control subsystem consists of the modules of dynamic environment detection, the Artificial Potential Field method based local motion planning, and fuzzy PID based parallel-coordinated operating control. (2) In terms of working manners, deliberate control and reactive control are both relatively independent and mutually affected. To be concrete, for independence, deliberate control and reactive control process, in different levels, environment identification, operating performance requirements and operation decision-making; for mutual effects, deliberate control provides a basis of reactive control implementation whose results, on the contrary, make up the trigger judgment of deliberate control. The above innovate achievements with regard to the overall control architecture and related techniques are promising to promote future researches and applications in the domain of robot autonomous navigation on soft terrain.

本项目研究机器人软地面自主导航，其包含的科学问题为，如何设计构型以提高通过性，如何选择、识别和利用环境信息，如何协调和实现多种运行要求。对此提出气垫式机器人方案，并模拟人的中枢神经系统，构建了其慎思/反应混合控制架构。该架构的特色和创新之处体现在其内容和工作方式上。（1）内容上，与气垫式机器人结构、功能特征及软地面环境识别相结合，扩大了概念的内涵和外延。表现在，慎思控制包括分步逆向土壤参数识别、基于信息融合的土壤类型识别、基于蜜蜂算法的多目标全局运行优化，反应控制包括动态环境识别、基于人工势场法的局部运动规划、基于模糊PID的并行-协调运行控制。（2）工作方式上，慎思控制和反应控制既相对独立又相互影响。一方面，两者进行不同内容的环境识别，处理不同层次的运行要求；另一方面，前者为后者实施的基础，后者为前者触发的依据。上述整体架构和具体技术单元上的创新成果将对相关研究和应用起到一定的推动作用。

本项目研究机器人软地面自主导航，所解决的科学问题包括，如何设计构型以提高通过性，如何选择、识别和利用环境信息，如何协调和实现多种运行要求。以慎思/反应混合控制架构及其技术单元作为主要研究内容，以气垫式越野机器人作为主要试验对象。.主要研究内容和结果如下：.（1）气垫式越野机器人试验平台设计与开发.机器人具备软地面自主导航所需要的通过能力、环境识别能力和自控能力。.（2）车轮土壤力测试台设计与开发.测试台能够模拟车轮主动和从动两种运动形态；能够改变车轮承重，模拟气垫车垂向控制自由度；能够方便地更换土槽和车轮，扩大试验对象。.（3）气垫式越野机器人慎思/反应混合控制架构设计.在慎思控制子系统中包含土壤参数识别、运行性能及参数全局优化等模块，在反应控制子系统中包含动态环境识别、运行参数局部规划、运行控制等模块。.（4）分层环境地图（知识库）构建.环境地图（知识库）采用分层结构，由高到低依次为概念地图层、导航地图层、米制地图层，用于处理机器人自主导航中不同的慎思/反应控制要求。.（5）在Bekker土壤力学理论框架下开展土壤参数识别研究.针对具有垂向控制自由度的气垫式越野车辆，对全套8个Bekker土壤参数进行分步逆向识别，解决了估值多解问题和估值准确性问题。还开展了针对普通越野车辆的土壤参数识别研究。.（6）完善Bekker土壤力学模型，研究土壤含水量对土壤力学性能的影响.将含水量作为一个独立土壤参数纳入Bekker模型，从而使土壤含水量对土壤力学性能的影响在理论上得以体现，使理论计算结果与试验结果相吻合。.（7）基于机器视觉的动态环境识别研究.利用Kinect传感器，采用颜色特征与几何特征相结合的方法，计算动态物体的相对位置、相对速度和绝对速度。.（8）运动规划和控制研究.利用多种方法开展运动规划和控制研究。以人工势场法动态避障为例，根据相对位置和相对速度合理选取避障模式，计算最小安全距离，分解运动控制目标，调用底层控制模块，实现避障运动。.（9）能耗建模和优化.选定滑转率和载荷分配比作为独立参数，针对稳态纵向驱动工况，推导出车辆运行参数和能耗的求解线路。在此基础上，设计遗传-神经网络联合算法进行在线优化。.综上所述，本项目完成了预定研究计划，并在机器人语义认知、普通越野车辆软地面导航、Bekker土壤力学模型扩展等方面做了预研。培养了研究生，取得了一定的科研成果。

内容获取失败，请点击重试